در طول این سال‌ها، پژوهشگران و شرکت‌های بسیاری دستگاه‌هایی را اختراع کرده‌اند که به افراد مبتلاء به اختلالهای بینایی کمک می‌کند از موانعی همچون میز و صندلی اجتناب کنند. بسیاری از این ابزارها برای تشخیص خطر، از حسگرهای التراسونیک استفاده می‌کنند. اگر بخواهیم به چند مورد از این دستگاه‌ها اشاره کنیم می‌توانیم Pathsounder که دور گردن آویزان شده و تولید آن متوقف شد، NavBelt سنگین که دور مچ بسته می‌شود و GuideCane چرخدار را نام ببریم.
با این حال، برخی از موانع هستند که در زیر پای کاربر کمین می‌کنند. فرورفتگی و برآمدگی‌های جزئی در زمین مانند پله‌ها، جدول‌ها و حفره‌هایی که می‌توانند باعث برهم خوردن تعادل شخص یا چرخش صندلی چرخدار شوند از این دست موانع هستند. بیشتر سامانه‌های با فناوری بالا در مواجهه با این موانع عملکرد مناسبی ندارند.
با کمک دو شریک غیرانتفاعی و کمک مالی بنیاد Ian Potter ، مهندس برق دانشگاه ملبورن استرالیا، Elaine Wong پیش‌نمونۀ یک سامانۀ شناسایی را ساخته است که با بکارگیری یک دوربین جفت شده با لیزر می‌تواند محل حفره‌ها و دیگر خطرهای سطحی احتمالی را شناسایی کند. این دستگاه با ترکیب پردازش تصویر و یادگیری ماشین، محیط اطراف کاربر را تجزیه و تحلیل کرده و از طریق نشانه‌های صوتی کاربر را از نزدیک شدن به سطوح ناهموار آگاه می‌کند. Wong کار خود را در کنفرانس بین‌المللی IEEE International Conference on Communications در مالزی ارائه کرده است.
این پروژه هنوز در حال توسعه است. ولی تا به حال، پیش‌نمونۀ او در سه آزمایش که در کل شامل شناسایی ۱۵ حفره بود، در ۹۰ درصد موارد توانست حفره را شناسایی کند. برای اینکه این سامانه واقعاً مفید باشد، او نیاز دارد آزمایش‌های بیشتری انجام دهد و همچنین امیدوار است بتواند با تغییر پارامترهای الگوریتم یادگیری ماشین یا تنظیم تفکیک‌پذیری لیزرها، دقت دستگاه را افزایش دهد. همچنین او باید نسخه‌ای را بسازد که به صورت لحظه‌ای تصاویر را پردازش کند چرا که در نسخۀ اولیه، پردازش تصویر به صورت آفلاین انجام می‌شود. در آخر، لیزرهایی که او بکار برده است تنها در تاریکی کار می‌کنند بنابراین او امیدوار است در نسخه‌های بعدی از لیزر دیگری استفاده کند.
در پیش‌نمونۀ اولیه، Wong دو الگوی لیزر متفاوت را به عنوان روش شناسایی آزمایش کرد: الگوی اول به صورت شبکه‌ای توری و الگوی دوم به صورت دو خط مدرج عمود بر هم بود. این لیزرها مسیر پیش روی کاربر را اسکن کرده و پس از بازتاب به دستگاه باز می‌گردند. سامانه قدرت این لیزرها را اندازه‌گیری می‌کند. اگر مسیر بدون ناهمواری باشد لیزر باید با قدرت کامل بازگردد. اگر در نقطه‌ای به دلیل وجود ناهمواری لیزر مجبور به طی مسافت بیشتری باشد، آن قسمت از الگو کم‌نور تر به نظر می‌رسد.
یک دوربین (در حال حاضر دوربین GoPro در حالت HD) با نرخ تصویربردای ۱۵ فریم بر ثانیه، این الگوهای لیزری را ثبت می‌کند. برای تفسیر تصاویر، Wong یادگیری ماشین را با پردازش تصویر ترکیب کرده است. او الگوریتمی را توسعه داده است که می‌تواند انحرافی خاص در الگوی لیزر را شناسایی کرده و این انحراف را به عنوان یک حفره در نظر می‌گیرد. سامانۀ او هنگام تشحیص حفره، پیام صوتی “گودال شناسایی شد” را پخش می‌کند. در آزمایش‌های اولیه، تجزیه و تحلیل الگوی دو خط مدرج عمود برهم نسبت به الگوی شبکه‌ای نتایج دقیق‌تری را فراهم کرد.
هدف نهایی Wong توسعۀ سامانۀ شناسایی مقرون به صرفه و با کاربری آسان برای خطرهای سطحی است. به نظر او بازار بالقوه برای این محصول بسیار بزرگ است. سازمان بهداشت جهانی می‌گوید تقریباً ۲۸۵ میلیون نفر در سرتاسر جهان دچار اختلالهای بینایی هستند. Wong یک کاربر بالقوۀ خاص را همیشه در نظر دارد: پسرش که نابینا به دنیا آمده است. او می‌گوید: «امیدوارم در آینده هنگامی که او از زمین بلند شد و راه رفت به من افتخار کند.»
در همین زمینه بخوانید:
>> تویوتا برای افراد نابینا و کم‌بینا یقۀ راهنما می‌سازد
>> نقشه‌‍‌های بریل چاپ سه‌بعدی برای نمایش راه به دانشجویان نابینا
>> کمربندی برای هدایت کاربران در مناطق ناآشنا
منبع: spectrum.ieee.org
